基于DSM的藤架类作物冠层活力无人机监测方法研究

发布时间：2020-07-25 13:31

【摘要】：葡萄和猕猴桃种植业是促进我国经济发展的重要产业。这类藤架作物冠层活力和生长信息的快速、有效获取对于作物的精细化管理以及评估生物/非生物胁迫对作物发育的潜在影响至关重要。因此,快速、准确和无损地获取田间葡萄和猕猴桃植株的冠层活力信息,以及对作物生长状况及时、快速地做出判断对评估冻害损失、改善管理和提高产量等方面有着十分重要的作用。通过对无人机获取的遥感影像生成的数字表面模型(DSM,Digital Surface Model)可以有效地提取作物冠层信息,为作物冠层与地面背景的鉴别提供了一种有效的方法。因此,本文以西北干旱、半干旱区主要藤架类经济作物葡萄、猕猴桃为研究对象,系统地研究了基于DSM的作物冠层活力监测方法,主要研究内容及结论如下:(1)利用多种图像处理算法对藤架类作物冠层区域进行了提取。根据作物冠层生长区域与周围地面背景的高度差异,使用了多种图像分割算法分别应用于葡萄园和猕猴桃园的DSM,包括全局阈值法、粗糙度算法、局部阈值算法和底帽算法。试验结果显示由于研究区地表起伏明显、背景复杂,全局阈值法的分割效果不佳;粗糙度算法对葡萄园的提取效果较好,提取误差为5.1%,与原始冠层区域的重合度为94.6%,但是无法提取相邻种植行上冠层连通的猕猴桃的冠层位置;自适应阈值算法可较为有效地对猕猴桃的冠层区域进行提取,提取误差为12.7%,与原始冠层区域的重合度为84.6%,但存在较多将地面背景误判为作物的现象;底帽算法与其它算法提取结果的差异最大,但极少出现将地面背景信息误判为作物的现象。(2)对藤架类作物的冠层活力进行了分级评价。根据葡萄和猕猴桃行间距和株间距,在所得到的作物冠层区域图像上利用线性插值的方法分别生成了一套冠监测的参考点以及参考点所对应的感兴趣区域(ROI,Region of Interest),分别对葡萄和猕猴桃确定了冠层活力划分的阈值,实现了藤架类作物的冠层活力监测,并对准确率进行了评价。结果显示,基于不同算法的藤架类作物冠层分级结果的准确率均不相同,对于葡萄园,基于粗糙度算法得到的冠层活力分级结果总体准确率最高为92.0%;对于猕猴桃园,基于自适应阈值算法得到的冠层活力分级结果总体准确率较高为89.5%。(3)在藤架类作物冠层活力分级结果的基础上,进行了制图。首先对所得到作物冠层活力分级结果进行了配准,将图像坐标转换为投影坐标和地理坐标,然后生成了能够在GIS软件中显示、分析和管理的空间数据,完成了地理化过程。最后,根据作物冠层活力等级与冠层所受到生物/非生物胁迫之间的关系,使用克里金插值插值法分别分析了葡萄和猕猴桃园冠层所受胁迫的程度,生成了冠层胁迫程度地图,以可视化的形式对结果进行了展示。
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP751;S663.1;S663.4
【图文】：

技术路线图,论文,冠层,猕猴桃园

插值方法分别对葡萄和猕猴桃园的冠层受到胁迫的程度进行分析，对果园冠层胁迫程度的结果以可视化的形式展示。根据上述本文主要研究内容，本论文整体研究技术路线图如图1-1所示。

遥感影像,葡萄园,位置

2.1.1 葡萄园无人机遥感影像获取本试验葡萄园无人机遥感影像采集工作于2015年9月27日在宁夏贺兰山东麓的志辉葡萄园开展(38.58°N、106.01°E)(图2-1)。该地区气候为温带干旱气候，年平均降水量约180毫米，无霜期为每年4月至9月约180天，土壤质地主要为砂土，渗水速度快，经过多年的发展，该地区已经成为中国著名的酿酒葡萄产区。本试验葡萄园种植了超过6年的欧亚种葡萄，行向为S-N形，株间距和行间距为1.5m×3.8m，每公顷种植约1754棵葡萄树。试验采用大疆DJIPhantom 2 Vision+作为遥感平台(图2-2)。Phantom 2 Vision+是一款小型四旋翼航拍飞行器

遥感平台,无人机

年的欧亚种葡萄，行向为S-N形，株间距和行间距为1.5m×3.8m，每公顷种植约1754棵葡萄树。试验采用大疆DJIPhantom 2 Vision+作为遥感平台(图2-2)。Phantom 2 Vision+是一款小型四旋翼航拍飞行器，配备了高精度三轴稳定云台。搭载1400万像素的RGB相机以及智能飞行控制系统。遥控器内置增强型WiFi中继器。相机传感器规格为1/2.3 ，镜头最大光圈为f2.8，分辨率为4384×3288，有效分辨率为1400万，可实现实时拍照和高清录影。自身配备高精度的三轴稳定云台，控制精度可达±0.03°，保证了拍摄的准确度及精度。另外

【相似文献】